En este apartado, se analiza la obra “La Regenta” de Leopoldo Alas Clarín a partir de diferentes técnicas de análisis de contenido. Se tratan, en su mayor parte, de acercamientos estadísticos o cuantitativos a los textos literarios. Por lo tanto, representan una visión limitada de la obra y solo complementaria a la lectura y el análisis cualitativo detenido de la misma.
Nos acercaremos al texto, primero, intentando descubrir cuáles palabras se destacan, sus frecuencias y distribuciones. Luego, analizaremos la obra desde la perspectiva de los personajes, sus relaciones y sus apariciones en la obra.
El primer paso del análisis consiste en cargar los datos que hemos preparado en la sección de preparación de los datos y convertirlo en un objeto de tipo corpus. Para ello, emplearemos el paquete de R llamado quanteda, que resulta bastante completo para el análisis de contenido.
El código abajo carga los datos en la memoria, los convierte en un corpus y muestra algunas estadísticas básicas de los capítulos de la obra, como el número de palabras (tokens), el número de palabras únicas (types) y la cantidad de frases.
# carga los datos de "La Regenta"
load("../textos/Regenta.RData")
# carga el paquete quanteda para
# algunos análisis
library(quanteda)
# Elimina el título y el prólogo
regc <- regc[3:nrow(regc),]
# convierte en un documento corpus
cp <- corpus(regc, text_field = "texto")
# define los capítulos como nombre
# de los documentos
docnames(cp) <- regc$capitulo
# muestra estadísticas básicas de
# cada capítulo
reactable::reactable(summary(cp))Vemos que los treinta capítulos de la obra tienen una extensión que va de poco más de ocho mil hasta aproximadamente veintiún mil palabras. No resulta nada sorprendente que las palabras únicas y el número de frases varían de forma proporcional.
Más interesante resulta explorar cuáles palabras se destacan en la obra. Para ello, emplearemos una técnica llamada análisis de frecuencia de palabras. En este caso, emplearemos una matriz de términos de documentos (document-feature matrix), que es una representación matricial de los textos en la que las filas representan los documentos y las columnas las palabras. Cada celda de la matriz contiene el número de veces que una palabra aparece en un documento.
# convierte en una matriz de términos
dtm <- dfm( tokens(cp, remove_punct = TRUE,
remove_numbers = TRUE,
remove_symbols = TRUE),
tolower = TRUE)
dtm <- dfm_remove(dtm, c(stopwords("es"),"si"))
# muestra las 50 palabras más frecuentes
topfeatures(dtm, 50) don ana usted magistral aquella aquel álvaro víctor
1789 894 822 767 758 731 488 487
casa regenta señor vetusta allí ser después decía
477 467 458 455 446 430 415 414
doña vez mesía podía ahora bien ojos fermín
411 390 372 368 361 349 346 345
así iba dos quería dijo siempre menos mismo
344 333 330 328 325 325 322 318
hombre tan vida dios veces quintanar mundo mujer
314 312 311 309 305 303 285 284
todas sabía ver tiempo alma día parecía amor
279 279 279 278 275 271 267 267
aquello decir
265 257 En este caso, hemos considerado palabras aisladas, pero podemos repetir el análisis con bigramas o trigramas, que son secuencias de dos o tres palabras consecutivas. Estas combinaciones permiten encontrar secuencias de ideas que pueden revelar ciertos contenidos o patrones en el texto.
tk <- tokens(cp, remove_punct = TRUE,
remove_numbers = TRUE,
remove_symbols = TRUE)
tk <- tokens_remove(tk, stopwords("es"))
bi <- tokens_ngrams(tk, n = 2)
# convierte en una matriz de términos
dtm <- dfm(bi)
# muestra los 50 bigramas más frecuentes
topfeatures(dtm, 50) don_víctor don_álvaro don_fermín don_pompeyo doña_paula
450 390 302 123 119
tal_vez don_santos doña_petronila don_carlos aquella_noche
105 93 66 60 51
aquel_momento don_custodio doña_ana doña_anuncia cada_vez
48 47 47 47 46
don_cayetano aquella_tarde don_frutos doña_camila señor_magistral
46 45 43 38 37
aquel_hombre don_saturnino dos_tres don_robustiano don_saturno
36 35 34 34 32
pocas_veces todas_partes muchas_veces usted_señor cada_día
32 31 31 31 30
aquella_mujer si_usted aquel_día podía_ser don_juan
30 30 29 29 29
voz_baja debía_ser doña_rufina buen_mozo ana_ozores
28 28 28 27 26
día_siguiente álvaro_mesía caserón_ozores aire_libre mire_usted
26 26 26 25 25
santa_teresa mundo_entero cualquier_cosa doña_águeda señor_don
25 24 24 24 23 tri <- tokens_ngrams(tk, n = 3)
# convierte en una matriz de términos
dtm <- dfm(tri)
# muestra los 50 trigramas más frecuentes
topfeatures(dtm, 50) don_álvaro_mesía don_pompeyo_guimarán don_víctor_quintanar
22 20 17
don_saturnino_bermúdez don_santos_barinaga don_frutos_redondo
16 13 11
casa_doña_petronila dos_tres_veces dio_media_vuelta
11 9 9
doña_ana_ozores si_don_víctor ta_ta_ta
8 8 8
casa_don_víctor darse_cuenta_ello don_álvaro_si
8 8 8
doña_petronila_rianzares don_fermín_pas jefe_partido_liberal
8 7 7
partido_liberal_dinástico don_tomás_crespo almunia_don_godino
7 7 7
hermano_mayor_alma _la_cruz_roja_ don_robustiano_somoza
7 7 7
ja_ja_ja media_hora_después fray_luis_león
7 7 6
don_juan_tenorio decía_don_álvaro dio_paso_atrás
6 6 6
ana_don_álvaro dijo_don_víctor si_don_álvaro
6 6 6
don_custodio_beneficiado señor_don_fermín gritó_don_víctor
5 5 5
daba_media_vuelta hago_cuestión_personal aquel_don_álvaro
5 5 5
usted_señor_foja dijo_voz_baja don_víctor_vio
5 5 5
pobre_don_santos treinta_cinco_años beneficiado_don_custodio
5 4 4
hablaban_voz_baja visitación_olías_cuervo don_restituto_mourelo
4 4 4
primera_vez_vida señor_don_víctor
4 4 ¿Qué vemos en los resultados de los bigramas y trigramas? El primer patrón que emerge es la presencia de nombres de personajes, como “don Víctor Quintanar”, “don Álvaro” o “do Fermín”. También aparecen nombres de lugares, como “Vetusta” o “Santa Cruz”. Por último, encontramos algunas secuencias que parecen describir acciones o situaciones, como “señor marqués” o “señor don Fermín”.
diccionario
dic <- dictionary(
list(
familia=c("padre", "madre", "hijo", "hija",
"hermano", "hermana"),
sociedad=c("vetustense","puebl","ciudad","conversa",
"amig","noble","arist"),
iglesia=c("cura","obispo","sacerdo","confesión",
"religi","canónig","capilla"),
economia=c("dinero","deuda","negoci","trabaj",
"fortuna","rico","rica"),
sentimientos=c("culpa","alegr","amor","remordimiento",
"ridículo","vergüenza","triste"),
misticismo=c("Fermín de Pas","Fermín","\\bde Pas\\b",
"magistral", "espirit","dios"),
adulterio=c("Álvaro Mesía","Álvaro","Mesía",
"Presidente del Casino", "marido",
"placer", "pasión", "amante","amorío"),
espacio=c("casino","catedral","vivero","casa",
"espolón","teatro"),
tiempo=c("otoño","verano","invierno","primavera",
"semana santa","navidad")
)
)
library(tenet)
tagCorpus(cp,
dic,
reshape.to = "sentence",
defaultPageSize = 3)dicf <- dictionary(
list(
familia=c("padre", "madre", "hijo", "hija", "hermano", "hermana"),
sociedad=c("vetustense","puebl","ciudad","conversa",
"amig","noble","arist")
))
plotLexDiv(cp,
dicf,
title ="La Regenta",
subtitle = "Familia y sociedad en la novela",
palette = pal$cat.awtools.spalette.6[1:2])
Repetimos el mismo gráfico, ahora con las categorías de tiempo y espacio:
dicf <- dictionary(
list(
espacio=c("casino","catedral","vivero",
"casa","espolón","teatro"),
tiempo=c("otoño","verano","invierno",
"primavera","semana santa","navidad")
))
plotLexDiv(cp,
dicf,
title ='La Regenta',
subtitle = "Espacio y tiempo en la novela",
palette = pal$cat.brewer.Dark2.8[c(1:4)])
dicf <- dictionary(
list(
social=c("casino","teatro","espolón",
"Paseo de Verano","Paseo de los curas",
"calle","plaza"),
religioso=c("catedral","capilla","sacristía",
"claustro","seminario"),
doméstico=c("vivero","\\bcasa\\b","hogar","alcoba",
"habitación","cama")))
ft <- filterWords(cp, dicf)
ft$name[ft$name!="002 - Prólogo"] <- paste0("Capítulo ",ft$name[ft$name!="002 - Prólogo"])
plotSpike(ft,
title = 'Los espacios de "La Regenta"',
subtitle = "Gráfico de dispersión léxica para distintos tipos de espacio.",
palette = pal$cat.brewer.Dark2.8[c(1:4)],
label.size = 3,
line.width = 0.3,
ring.col="black")xy <- countKeywords(cp,
dic,
rel.freq = F,
quietly = TRUE)
# Elimina los términos no encontrados
xy <- xy[xy$frequency>0,]
xy$groups <- NULL
forceDirectedTree(xy,value_col = "frequency",
palette = pal$cat.awtools.bpalette.16,
max.radius = 50,
height = 500)lo mismo se puede ver así:
plotVoronoiTree(data = xy,
value_col = "frequency")dd
Juan Benito Argüelles - Nomina de personajes de “La Regenta”
https://cvc.cervantes.es/literatura/cuadernos_del_norte/pdf/23/23_10.pdf
dich <- dictionary(
list(
hombres=
list(
Alvaro=c("Álvaro Mesía","Álvaro","Mesía",
"presidente del casino"),
Saturnino=c("Saturnino Bermúdez","Saturnino",
"Bermúdez","Saturno","Saturnillo"),
Fermin=c("Magistral","Provisor","Fermín",
"De Pas","Fermín de Pas","Magistral"),
Victor=c("Víctor","Víctor Quintanar","Quintanar"),
Otros=c(
"Agustinito","Amadeo","Anacleto",
"Anselmo","Antero","Antón Raíces",
"Antonio","Barcaza","Basilio",
"Bautista","Bedoya","Belisario",
"Benítez","Bismark","Campillo",
"\\b[C]hato\\b","don Carlos",
"Peláez","Cayetano",
"Cayetano Ripamilán","Ripamilán",
"Celedonio","Colás","marqués de Corujedo",
"Frígilis","Crespo","Custodio",
"Olías de Cuervo","señor Cuervo",
"Diego","Escosura","\\b[E]studiante\\b",
"Pepe","Trabuco","Foja","Fortunato",
"Francisco de Asís","Francisco de Pas",
"Francisco de Osuna","Francisco Páez",
"señor Páez", "señor de Páez",
"Francisco Carraspique","Froilán",
"don Frutos","Frutos Redondo","Fulgosio",
"Germán","Glocester","Restituto",
"señor Infanzón", "el Infanzón",
"Iriarte","Joaquinito","Juanito",
"Leando","Maroto","marqués de Vegallana",
"\\s{1}[M]arqués\\b","Martínez",
"Matías","Matiella","monaguillo",
"señor Orgaz","\\b[P]alma\\b",
"Paco","Paquito","Palomo",
"Rodríguez","Parcerisa","Pedro",
"\\b[P]erales\\b","Pinón",
"Pompeyo","Pompeyo Guimarán","Guimarán",
"Robustiano","señor Roque",
"Rosendo","don Santos","Sousa",
"Trifón","\\b[V]inagre\\b",
"Vinculete")
),
mujeres=
list(
Ana=c("Ana","Anita","Regenta"),
Obdulia=c("Obdulia","Obdulia Fandiño",
"Fandiño","Obdulita"),
Otras=c(
"Agapita","Águeda","Angelina",
"Anuncita","doña Anuncia","Camila",
"Carolina","Señora de Infanzón", "la Infanzón",
"Celestina","Edelmira","Emma",
"Fabiolita","Fulgencia","Gertrudis",
"la González","Juana","Lola",
"doña Lucía","marquesa","Rufina",
"Olvido","doña Paula","Pepa",
"Guimarán, Perpétua","\\b[P]ilar\\b",
"Petra","doña Petronila","Ramona",
"\\bRita\\b","\\bRosa\\b","Rosita",
"Rudesinda","Servanda","Társila",
"\\b[T]eresa\\b","Teresina",
"Úrsula","Visitación","\\b[V]isita\\b",
"viuda del marqués de Corujedo")
)
)
)
xp <- countKeywords(cp,
dich,
rel.freq = F,
group.var = "capitulo",
quietly = TRUE)
# Agrega los resultados por los dos niveles
# de código del diccionario
xx <- aggregate(list(frequency=xp$frequency),
by=list(groups=xp$groups,
level1=xp$level2),
sum, na.rm=T)
# Elimina los términos no encontrados
# en el corpus
xx <- xx[xx$frequency>0,]
# Ordena por capítulo
xx <- xx[order(xx$groups),]
plotSankey(xx,
from = "level1",
to="groups",
value = "frequency",
opacity = 0.05)plotStream(xx,
x="groups",
y="frequency",
group="level1",
palette=pal$cat.ggsci.simpsons.16)dddd
# Reorganiza el corpus según
# sentencias o frases
cs <- corpus_reshape(cp, "sentences")
# Calcula la frecuencia en la
# que dos codigos del mismo
# diccionario aparecen juntos
# en cada frase
d1 <- matchCodes(cs,
dic,
level = 1,
quietly=TRUE)
# Ordena los resultados de mayor a menor
d1 <- d1[order(d1$value, decreasing = T),]
plotChord(d1,
from = "term1",
to ="term2",
value= "value")Ahora con los personajes
# Reorganiza el corpus según
# sentencias o frases
cs <- corpus_reshape(cp, "sentences")
# Calcula la frecuencia en la
# que dos codigos del mismo
# diccionario aparecen juntos
# en cada frase
d1 <- matchCodes(cs,
dich,
level = 2,
quietly=TRUE)
# Ordena los resultados de mayor a menor
d1 <- d1[order(d1$value, decreasing = T),]
plotChord(d1,
from = "term1",
to ="term2",
value= "value", elementId = "chord2")aaa
nn <- data.frame()
for(i in 1:30){
c1 <- cp[i]
c1 <- corpus_reshape(c1, to="paragraphs")
d1 <- matchCodes(c1,
dic.per,
level = 2,
quietly=TRUE)
d1$capitulo <- i
d1 <- d1[order(d1$value, decreasing = T),]
nn<- rbind(nn, d1)
}
library(network)
library(sna)
library(ggnetwork)
px <- list()
for(i in 1:30){
n1 <- network(nn[nn$capitulo==i,],
directed = F)
gn <- ggnetwork(n1,
layout = "kamadakawai",
cell.jitter = 0.75)
p <- ggplot(gn,
aes(x = x,
y = y,
xend = xend,
yend = yend)) +
geom_edges(
color = "grey90",
aes(size=value),
curvature=0.25) +
geom_edges(
size=0.1,
curvature=0.25,
color="purple") +
geom_nodetext(
aes(label = vertex.names),
fontface = "bold")+
theme_blank()+
labs(title=paste0("**Capítulo ",i,"**"))+
theme(plot.title =
ggtext::element_markdown(
size=15,
color="darkgreen"),
legend.position = "none",
plot.margin=grid::unit(
c(0.75,0.75,0.75,0.75),
"cm"))
px[[i]] <- p
}
library(egg)
ggarrange(plots=px,
ncol=3,
nrow=10)